Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Metody sztucznej inteligencji 2
Koordynator przedmiotu:
Prof. dr hab. inż. Jacek Mańdziuk
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Informatyka
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
1120-INMSI-MSP-0013
Semestr nominalny:
2 / rok ak. 2015/2016
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia15h
  • Laboratorium0h
  • Projekt30h
  • Lekcje komputerowe0h
Wymagania wstępne:
Algorytmy grafowe, Metody sztucznej inteligencji 1, Rachunek prawdopodobieństwa
Limit liczby studentów:
Bez limitu
Cel przedmiotu:
Celem przedmiotu jest zapoznanie studentów z zaawansowanymi technikami sztucznej inteligencji a w szczególności z wybranymi zagadnieniami z obszaru inteligencji obliczeniowej. W ramach przedmiotu studenci poznają podstawy teoretyczne: - metod inteligencji rojowej - wybranych metod uczenia maszynowego - wybranych metod klasyfikacyjnych oraz ich zastosowania w obszarze gier umysłowych, zagadnień finansowych oraz bioinformatyki.
Treści kształcenia:
Treść wykładu stanowią zaawansowane zagadnienia dotyczące metod uczenia maszynowego, metod ewolucyjnych oraz metod inteligencji obliczeniowej w kontekście rozwiązywania złożonych problemów decyzyjnych, problemów optymalizacyjnych oraz analizy i drążenia danych. Szczególny nacisk położony jest na omówienie najnowszych trendów w ww. obszarach. W trakcie ćwiczeń studenci samodzielnie przygotowują oraz przedstawiają referaty dotyczące zagadnień badawczych opublikowanych w bieżącej literaturze przedmiotu (czołowych czasopismach oraz materiałach konferencyjnych). W ramach cało-semestralnych projektów studenci w grupach 2-4 osobowych projektują oraz implementują programy rozwiązujące praktyczne, problemy z zakresu bioinformatyki, finansów czy gier umysłowych.
Metody oceny:
Średnia ważona ocena z przedstawionego referatu oraz wykonanego projektu.
Egzamin:
nie
Literatura:
1. W. Duch and J. Mańdziuk (eds.), Challenges to Computational Intelligence, Springer-Verlag, 2007 2. J.Y.L. Wang, M.J. Zaki, H.T.T. Toivonen, D.E. Shasha (eds.), Data Mining in Bioinformatics, Springer-Verlag 3. A. Brabazon and M. O’Neill, Biologically Inspired Algorithms for Financial Modelling, Springer 4. Czasopisma IEEE TNN, IEEE TEC, IEEE TCIAIG, Machine Learning, Artificial Intelligence 5. Materialy konferencyjne: NIPS, ICANN., IJCNN, ICONIP, ECAI, ICML, ICAISC, ICANNGA, i inne
Witryna www przedmiotu:
brak
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt W2_01
Zna metody wykorzystania inteligencji obliczeniowej w zastosowaniach ekonomicznych (Business Intelligence)
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_W08
Powiązane efekty obszarowe:
Efekt W2_02
Zna zaawansowane metody uczenia maszynowego, metody ewolucyjne oraz metody inteligencji obliczeniowej
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_W10
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt U2_01
Posiada umiejętność gromadzenia, selekcji i krytycznej interpretacji informacji technicznej oraz zdolność formułowania poglądów, idei, problemów i ich rozwiązań oraz zdolność ich wyrażania i prezentowania specjalistom i niespecjalistom
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_U01
Powiązane efekty obszarowe:
Efekt U2_02
Potrafi pracować indywidualnie, w zespole oraz kierować niedużym zespołem
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane efekty kierunkowe: SI_U02
Powiązane efekty obszarowe:
Efekt U2_03
Potrafi bezproblemowo posługiwać się językiem angielskim w różnych obszarach tematycznych
Weryfikacja: ocena zawartości merytorycznej referatu
Powiązane efekty kierunkowe: SI_U03
Powiązane efekty obszarowe:
Efekt U2_04
Potrafi zdefiniować fazy realizacji oraz praktycznie przeprowadzić złożone przedsięwzięcie informatyczne
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane efekty kierunkowe: SI_U21
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt K2_01
Ma świadomość odpowiedzialności za wspólnie realizowane zadania w ramach pracy zespołowej
Weryfikacja: ocena jakości merytorycznej oraz technologicznej wykonanego projektu
Powiązane efekty kierunkowe: SI_K04
Powiązane efekty obszarowe: